基于集肤效应的加热电缆故障检测方法及系统技术方案

本发明专利技术公开了基于集肤效应的加热电缆故障检测方法及系统，涉及集肤效应电缆故障检测技术领域，通过收集加热电缆的历史训练数据，训练判断加热电缆是否发生异常的机器学习模型，收集电缆特征数据并进行第一检测，获得第一检测结果，若第一检测结果为异常，基于电缆特征数据和机器学习模型，获得第二检测结果，若第二检测结果为异常，收集实时的区域温度变化数据集合，并进行第三检测，若第三检测结果为短路，输出加热电缆的短路位置，若第三检测结果为非短路，进行第四检测，并输出第四检测结果；及时对发热电缆故障进行响应，并进行精准定位，提高故障维修效率。提高故障维修效率。提高故障维修效率。

【技术实现步骤摘要】
基于集肤效应的加热电缆故障检测方法及系统


[0001]本专利技术属于涉及集肤效应电缆故障检测
，具体是基于集肤效应的加热电缆故障检测方法及系统。

技术介绍

[0002]在许多工业和民用领域中，使用集肤效应的加热电缆进行加热和保温是常见的应用。集肤效应是指在交流电流通过导体时，电流主要分布在导体表面附近的现象。由于电流主要集中在导体表面，而导体表面与周围环境之间有热交换的过程。由于电流在导体表面的流动，导体表面处的电阻相对较大，导致表面产生较大的热量，从而产生加热效果；然而，加热电缆在长期使用过程中可能会发生故障，如短路、断路或变形等。这些故障会导致加热电缆的加热性能下降、能量浪费甚至安全隐患。因此，及时检测和定位加热电缆的故障是非常重要的。
[0003]授权公告号为CN205282162U的中国专利公开了智能型集肤电缆，实现了当出现故障、绝缘层受到损坏发生高压漏电时，电缆反常升温，主机中可显示出温度过高的具体位置，从而有利于查找到损坏点、方便检修，大大提高了安全性能；然而并未提出如何检测故障类型以及故障点的技术方案；为此，本专利技术提出基于集肤效应的加热电缆故障检测方法及系统。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出基于集肤效应的加热电缆故障检测方法及系统，及时对发热电缆故障进行响应，并进行精准定位，提高故障维修效率。
[0005]为实现上述目的，根据本专利技术的实施例1提出基于集肤效应的加热电缆故障检测方法，包括以下步骤：步骤一：电缆监控平台收集加热电缆的历史训练数据，并基于历史训练数据训练判断加热电缆是否发生异常的机器学习模型；步骤二：电缆监控平台收集待检测电缆实时的电缆特征数据，对电缆特征数据进行第一检测，获得第一检测结果，若第一检测结果为异常，转至步骤三；若第一检测结果为正常，则重复步骤二；步骤三：电缆监控平台基于电缆特征数据和机器学习模型，获得第二检测结果；若第二检测结果为正常，转至步骤二；若第二检测结果为异常，转至步骤四；步骤四：电缆监控平台收集待检测加热电缆实时的区域温度变化数据集合，并对区域温度变化数据进行第三检测，获得第三检测结果；若第三检测结果为短路，转至步骤六；若第三检测的结果为非短路，转至步骤五；步骤五：电缆监控平台基于电流实时变化值和区域温度变化数据集合，进行第四检测，并输出第四检测结果；
步骤六：电缆监控平台基于区域温度变化数据集合，输出加热电缆的短路位置。
[0006]进一步地，所述历史训练数据包括在实验环境收集的若干组历史的电缆特征数据和电缆状态值；所述实验环境为由测试人员通过控制加热电缆中的电缆状态值的变化，以收集各项电缆特征数据值的数据收集环境；其中，所述电缆特征数据包括电压实时变化值、电流实时变化值、最大温度变化值、加热电缆长度以及加热电缆的截面积；加热电缆的电压和电流分别通过安装在电缆输出端的电压传感器以及电流传感器实时获得；电压实时变化值、电流实时变化值根据当前电压和电流值分别减去上一时刻的电压和电流值获得；加热电缆的温度通过使用智能型集肤电缆获得每段电缆的实时温度；将每段电缆标记为电缆段；最大温度变化值为加热电缆所有电缆段中温度实时变化值的最大值；所述电缆状态值包括异常以及正常；控制不同长度和截面积的加热电缆，收集加热电缆在正常状态和异常状态下，对应的电缆特征数据；所述异常状态包括断路、短路以及变形。
[0007]进一步地，历史训练数据训练判断加热电缆是否发生异常的机器学习模型的方式为：将每组电缆特征数据根据收集时的电缆状态值生成对应的实际标注，电缆状态值为异常时，实际标注为1，电缆状态值为正常时，实际标注为0；将每组电缆特征数据作为机器学习模型的输入，所述机器学习模型以对每组电缆特征数据的预测标注为输出，以实际标注为预测目标，以最小化所有电缆特征数据的预测准确度之和作为训练目标；其中，预测准确度的计算公式为：，其中，为电缆特征数据的编号，为预测准确度，为第组电缆特征数据对应的预测标注值，为第组电缆特征数据对应的实际标注；对机器学习模型进行训练，直至预测准确度之和达到收敛时停止训练。
[0008]进一步地，对电缆特征数据进行第一检测的方式为：电缆监控平台预先设置电压变化阈值V、电流变化阈值I、温度变化阈值T，若待检测电缆实时的电缆特征数据满足特征变化条件，输出值为异常的第一检测结果，若待检测电缆实时的电缆特征数据不满足特征变化条件，输出值为正常的第一检测结果；其中，所述特征变化条件为电压实时变化值大于电压变化阈值V，且电流实时变化值大于电流变化阈值I，且温度实时变化值大于温度变化阈值T；通过进行第一检测，对异常情况进行初步筛除，降低误检测概率。
[0009]进一步地，获得第二检测结果的方式为：电缆监控平台将待检测电缆实时的电缆特征数据输入至机器学习模型中，获得预测的电缆状态值；该预测的电缆状态值作为第二检测结果进行输出；进一步的避免了刻板的阈值检测方法带来的误检测；所述区域温度变化数据集合包括若干组区域温度变化数据；每组区域温度变化数据对应一个异常电缆段，所述异常电缆段是指温度实时变化值大于温度变化阈值T的电缆段；所述区域温度变化数据包括异常电缆段的编号以及该异常电缆段的温度实时变化值。
[0010]进一步地，对区域温度变化数据进行第三检测的方式为：
电缆监控平台预设异常段数量阈值N，若区域温度变化数据集合中元素数量小于异常段数量阈值N，输出值为非短路的第三检测结果；若区域温度变化数据集合中元素数量大于或等于异常段数量阈值N，输出值为短路的第三检测结果。
[0011]进一步地，进行第四检测，并输出第四检测结果的方式为：预设断路电流变化阈值I1，若电流实时变化值小于断路电流变化阈值I1，输出的第四检测结果包括区域温度变化数据集合以及变形警告；若电流实时变化值大于或等于断路电流变化阈值I1，输出的第四检测结果包括区域温度变化数据集合以及断路警告。
[0012]进一步地，输出加热电缆的短路位置的方式为：将加热电缆的所有电缆段按照从电流输入端到电流输出端的顺序进行编号；将电缆段的编号标记为j；将区域温度变化数据集合标记为P；将区域温度变化数据集合P中所有区域温度对应的电缆段编号组成的集合标记为J；获取电缆段编号集合J中每个电缆段的编号，将编号为j的电缆段的温度实时变化值标记为；计算编号为j的电缆段对应的短路权值；其中，短路权值的计算公式为；其中，和分别为预设的比例系数；其中j1为电缆段编号集合J中的任意电缆段编号，Wj1为编号为j1的电缆段对应的温度实时变化值；输出区域温度变化数据集合中短路权值值最小的电缆段的编号作为短路位置。
[0013]基于集肤效应的加热电缆故障检测系统，包括历史数据收集模块、模型训练模块、异常检测模块以及异常定位模块；历史数据收集模块，收集加热电缆的历史训练数据，并将历史训练数据发送至模型训练模块；模型训练模块，基于历史训练数据训练判断加热电缆是否发生异常的机器学习模型，并将训练完成的机器学习模型发送至异常检测模块；异常检测模块，实时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于集肤效应的加热电缆故障检测方法，其特征在于，包括以下步骤：步骤一：电缆监控平台收集加热电缆的历史训练数据，并基于历史训练数据训练判断加热电缆是否发生异常的机器学习模型；步骤二：电缆监控平台收集待检测电缆实时的电缆特征数据，对电缆特征数据进行第一检测，获得第一检测结果，若第一检测结果为异常，转至步骤三；若第一检测结果为正常，则重复步骤二；步骤三：电缆监控平台基于电缆特征数据和机器学习模型，获得第二检测结果；若第二检测结果为正常，转至步骤二；若第二检测结果为异常，转至步骤四；步骤四：电缆监控平台收集待检测加热电缆实时的区域温度变化数据集合，并对区域温度变化数据进行第三检测，获得第三检测结果；若第三检测结果为短路，转至步骤六；若第三检测的结果为非短路，转至步骤五；步骤五：电缆监控平台基于电流实时变化值和区域温度变化数据集合，进行第四检测，并输出第四检测结果；步骤六：电缆监控平台基于区域温度变化数据集合，输出加热电缆的短路位置；对电缆特征数据进行第一检测的方式为：电缆监控平台预先设置电压变化阈值V、电流变化阈值I、温度变化阈值T，若待检测电缆实时的电缆特征数据满足特征变化条件，输出值为异常的第一检测结果，若待检测电缆实时的电缆特征数据不满足特征变化条件，输出值为正常的第一检测结果；获得第二检测结果的方式为：电缆监控平台将待检测电缆实时的电缆特征数据输入至机器学习模型中，获得预测的电缆状态值；该预测的电缆状态值作为第二检测结果进行输出；对区域温度变化数据进行第三检测的方式为：电缆监控平台预设异常段数量阈值N，若区域温度变化数据集合中元素数量小于异常段数量阈值N，输出值为非短路的第三检测结果；若区域温度变化数据集合中元素数量大于或等于异常段数量阈值N，输出值为短路的第三检测结果；进行第四检测，并输出第四检测结果的方式为：预设断路电流变化阈值I1，若电流实时变化值小于断路电流变化阈值I1，输出的第四检测结果包括区域温度变化数据集合以及变形警告；若电流实时变化值大于或等于断路电流变化阈值I1，输出的第四检测结果包括区域温度变化数据集合以及断路警告。2.根据权利要求1所述的基于集肤效应的加热电缆故障检测方法，其特征在于，所述历史训练数据包括在实验环境收集的若干组历史的电缆特征数据和电缆状态值；所述实验环境为由测试人员通过控制加热电缆中的电缆状态值的变化，以收集各项电缆特征数据值的数据收集环境；其中，所述电缆特征数据包括电压实时变化值、电流实时变化值、最大温度变化值、加热电缆长度以及加热电缆的截面积；加热电缆的电压和电流分别通过安装在电缆输出端的电压传感器以及电流传感器实时获得；电压实时变化值、电流实时变化值根据当前电压和电流值分别减去上一时刻的电压和电流值获得；加热电缆的温度通过使用智能型集肤电缆获得每段电缆的实时温度；将每段电缆标记
为电缆段；最大温度变化值为加热电缆所有电缆段中温度实时变化值的最大值；所述电缆状态值包括异常以及正常；控制不同长度和截面积的加热电缆，收集加热电缆在正常状态和异常状态下，对应的电缆特征数据；所述异常状态包括断路、短路以及变形。3.根据权利要求2所述的基于集肤效应的加热电缆故障检测方法，其特征在于，历史训练数据训练判断加热电缆是否发生异常的机器学习模型的方式为：将每组电缆特征数据根据收集时的电缆状态值生成对应的实际标注，电缆状态值为异常时，实际标注为1，电缆状态值为正常时，实际标注为0；将每组电缆特征数据作为机器学习模型的输入，所述机器学习模型以对每组电缆特征数据的预测标注为输出，以实际标注为预测目标，以最小化所有电缆特征数据的预测准确度之和作为训练目标；其中，预测准确度的计算公式为：，其中，为电缆特征数据的编号，为预测准确度...

【专利技术属性】
技术研发人员：蔡正新，
申请(专利权)人：无锡市环球电器装备有限公司，
类型：发明
国别省市：